深入解析java HashMap实现原理
mark一下，同时可以很好的结合hashcode（）和equals（）方法，覆盖equals方法时最好覆盖hashcode（），保证equals的两个对象，hashcode也相等,反过来：hashcode()不等，一定能推出equals()也不等；hashcode()相等，equals()可能相等，也可能不等。
因为hashmap在get时，先比较hashcode，再比较equals，hashcode==&&equals，两者都为true，则认为是相同的key
1. hashmap概述：
hashmap是基于哈希表的map接口的非同步实现。此实现提供所有可选的映射操作，并允许使用null值和null键。此类不保证映射的顺序，特别是它不保证该顺序恒久不变。
2. hashmap的数据结构：
在java编程语言中，最基本的结构就是两种，一个是数组，另外一个是模拟指针（引用），所有的数据结构都可以用这两个基本结构来构造的，hashmap也不例外。hashmap实际上是一个“链表散列”的数据结构，即数组和链表的结合体。
从上图中可以看出，hashmap底层就是一个数组结构，数组中的每一项又是一个链表。当新建一个hashmap的时候，就会初始化一个数组。
源码如下：
/**
* the table, resized as necessary. length must always be a power of two.
*/
transient entry[] table;
static class entry<k,v> implements map.entry<k,v> {
final k key;
v value;
entry<k,v> next;
final int hash;
……
}
可以看出，entry就是数组中的元素，每个 map.entry 其实就是一个key-value对，它持有一个指向下一个元素的引用，这就构成了链表。
3. hashmap的存取实现：
1) 存储：
public v put(k key, v value) {
// hashmap允许存放null键和null值。
// 当key为null时，调用putfornullkey方法，将value放置在数组第一个位置。
if (key == null)
return putfornullkey(value);
// 根据key的keycode重新计算hash值。
int hash = hash(key.hashcode());
// 搜索指定hash值在对应table中的索引。
int i = indexfor(hash, table.length);
// 如果 i 索引处的 entry 不为 null，通过循环不断遍历 e 元素的下一个元素。
for (entry<k,v> e = table[i]; e != null; e = e.next) {
object k;
if (e.hash == hash && ((k = e.key) == key || key.equals(k))) {
v oldvalue = e.value;
e.value = value;
e.recordaccess(this);
return oldvalue;
}
}
// 如果i索引处的entry为null，表明此处还没有entry。
modcount++;
// 将key、value添加到i索引处。
addentry(hash, key, value, i);
return null;
}
从上面的源代码中可以看出：当我们往hashmap中put元素的时候，先根据key的hashcode重新计算hash值，根据hash值得到这个元素在数组中的位置（即下标），如果数组该位置上已经存放有其他元素了，那么在这个位置上的元素将以链表的形式存放，新加入的放在链头，最先加入的放在链尾。如果数组该位置上没有元素，就直接将该元素放到此数组中的该位置上。
addentry(hash, key, value, i)方法根据计算出的hash值，将key-value对放在数组table的i索引处。addentry 是 hashmap 提供的一个包访问权限的方法，代码如下：
void addentry(int hash, k key, v value, int bucketindex) {
// 获取指定 bucketindex 索引处的 entry
entry<k,v> e = table[bucketindex];
// 将新创建的 entry 放入 bucketindex 索引处，并让新的 entry 指向原来的 entry
table[bucketindex] = new entry<k,v>(hash, key, value, e);
// 如果 map 中的 key-value 对的数量超过了极限
if (size++ >= threshold)
// 把 table 对象的长度扩充到原来的2倍。
resize(2 * table.length);
}
当系统决定存储hashmap中的key-value对时，完全没有考虑entry中的value，仅仅只是根据key来计算并决定每个entry的存储位置。我们完全可以把 map 集合中的 value 当成 key 的附属，当系统决定了 key 的存储位置之后，value 随之保存在那里即可。
hash(int h)方法根据key的hashcode重新计算一次散列。此算法加入了高位计算，防止低位不变，高位变化时，造成的hash冲突。
static int hash(int h) {
h ^= (h >>> 20) ^ (h >>> 12);
return h ^ (h >>> 7) ^ (h >>> 4);
}
我们可以看到在hashmap中要找到某个元素，需要根据key的hash值来求得对应数组中的位置。如何计算这个位置就是hash算法。前面说过hashmap的数据结构是数组和链表的结合，所以我们当然希望这个hashmap里面的 元素位置尽量的分布均匀些，尽量使得每个位置上的元素数量只有一个，那么当我们用hash算法求得这个位置的时候，马上就可以知道对应位置的元素就是我们要的，而不用再去遍历链表，这样就大大优化了查询的效率。
对于任意给定的对象，只要它的 hashcode() 返回值相同，那么程序调用 hash(int h) 方法所计算得到的 hash 码值总是相同的。我们首先想到的就是把hash值对数组长度取模运算，这样一来，元素的分布相对来说是比较均匀的。但是，“模”运算的消耗还是比较大的，在hashmap中是这样做的：调用 indexfor(int h, int length) 方法来计算该对象应该保存在 table 数组的哪个索引处。
indexfor(int h, int length) 方法的代码如下：
static int indexfor(int h, int length) {
return h & (length-1);
}
这个方法非常巧妙，它通过 h & (table.length -1) 来得到该对象的保存位，而hashmap底层数组的长度总是 2 的 n 次方，这是hashmap在速度上的优化。在 hashmap 构造器中有如下代码：
int capacity = 1;
while (capacity < initialcapacity)
capacity <<= 1;
这段代码保证初始化时hashmap的容量总是2的n次方，即底层数组的长度总是为2的n次方。
当length总是 2 的n次方时，h& (length-1)运算等价于对length取模，也就是h%length，但是&比%具有更高的效率。
这看上去很简单，其实比较有玄机的，我们举个例子来说明：
假设数组长度分别为15和16，优化后的hash码分别为8和9，那么&运算后的结果如下：
h & (table.length-1) hash table.length-1
8 & (15-1)： 0100 & 1110 = 0100
9 & (15-1)： 0101 & 1110 = 0100
-----------------------------------------------------------------------------------------------------------------------
8 & (16-1)： 0100 & 1111 = 0100
9 & (16-1)： 0101 & 1111 = 0101
从上面的例子中可以看出：当它们和15-1（1110）“与”的时候，产生了相同的结果，也就是说它们会定位到数组中的同一个位置上去，这就产生了碰撞，8和9会被放到数组中的同一个位置上形成链表，那么查询的时候就需要遍历这个链 表，得到8或者9，这样就降低了查询的效率。同时，我们也可以发现，当数组长度为15的时候，hash值会与15-1（1110）进行“与”，那么 最后一位永远是0，而0001，0011，0101，1001，1011，0111，1101这几个位置永远都不能存放元素了，空间浪费相当大，更糟的是这种情况中，数组可以使用的位置比数组长度小了很多，这意味着进一步增加了碰撞的几率，减慢了查询的效率！而当数组长度为16时，即为2的n次方时，2n-1得到的二进制数的每个位上的值都为1，这使得在低位上&时，得到的和原hash的低位相同，加之hash(int h)方法对key的hashcode的进一步优化，加入了高位计算，就使得只有相同的hash值的两个值才会被放到数组中的同一个位置上形成链表。
所以说，当数组长度为2的n次幂的时候，不同的key算得得index相同的几率较小，那么数据在数组上分布就比较均匀，也就是说碰撞的几率小，相对的，查询的时候就不用遍历某个位置上的链表，这样查询效率也就较高了。
根据上面 put 方法的源代码可以看出，当程序试图将一个key-value对放入hashmap中时，程序首先根据该 key 的 hashcode() 返回值决定该 entry 的存储位置：如果两个 entry 的 key 的 hashcode() 返回值相同，那它们的存储位置相同。如果这两个 entry 的 key 通过 equals 比较返回 true，新添加 entry 的 value 将覆盖集合中原有 entry 的 value，但key不会覆盖。如果这两个 entry 的 key 通过 equals 比较返回 false，新添加的 entry 将与集合中原有 entry 形成 entry 链，而且新添加的 entry 位于 entry 链的头部——具体说明继续看 addentry() 方法的说明。
2) 读取：
public v get(object key) {
if (key == null)
return getfornullkey();
int hash = hash(key.hashcode());
for (entry<k,v> e = table[indexfor(hash, table.length)];
e != null;
e = e.next) {
object k;
if (e.hash == hash && ((k = e.key) == key || key.equals(k)))
return e.value;
}
return null;
}
有了上面存储时的hash算法作为基础，理解起来这段代码就很容易了。从上面的源代码中可以看出：从hashmap中get元素时，首先计算key的hashcode，找到数组中对应位置的某一元素，然后通过key的equals方法在对应位置的链表中找到需要的元素。
3) 归纳起来简单地说，hashmap 在底层将 key-value 当成一个整体进行处理，这个整体就是一个 entry 对象。hashmap 底层采用一个 entry[] 数组来保存所有的 key-value 对，当需要存储一个 entry 对象时，会根据hash算法来决定其在数组中的存储位置，在根据equals方法决定其在该数组位置上的链表中的存储位置；当需要取出一个entry时，也会根据hash算法找到其在数组中的存储位置，再根据equals方法从该位置上的链表中取出该entry。
4. hashmap的resize（rehash）：
当hashmap中的元素越来越多的时候，hash冲突的几率也就越来越高，因为数组的长度是固定的。所以为了提高查询的效率，就要对hashmap的数组进行扩容，数组扩容这个操作也会出现在arraylist中，这是一个常用的操作，而在hashmap数组扩容之后，最消耗性能的点就出现了：原数组中的数据必须重新计算其在新数组中的位置，并放进去，这就是resize。
那么hashmap什么时候进行扩容呢？当hashmap中的元素个数超过数组大小*loadfactor时，就会进行数组扩容，loadfactor的默认值为0.75，这是一个折中的取值。也就是说，默认情况下，数组大小为16，那么当hashmap中元素个数超过16*0.75=12的时候，就把数组的大小扩展为 2*16=32，即扩大一倍，然后重新计算每个元素在数组中的位置，而这是一个非常消耗性能的操作，所以如果我们已经预知hashmap中元素的个数，那么预设元素的个数能够有效的提高hashmap的性能。
5. hashmap的性能参数：
hashmap 包含如下几个构造器：
hashmap()：构建一个初始容量为 16，负载因子为 0.75 的 hashmap。
hashmap(int initialcapacity)：构建一个初始容量为 initialcapacity，负载因子为 0.75 的 hashmap。
hashmap(int initialcapacity, float loadfactor)：以指定初始容量、指定的负载因子创建一个 hashmap。
hashmap的基础构造器hashmap(int initialcapacity, float loadfactor)带有两个参数，它们是初始容量initialcapacity和加载因子loadfactor。
initialcapacity：hashmap的最大容量，即为底层数组的长度。
loadfactor：负载因子loadfactor定义为：散列表的实际元素数目(n)/ 散列表的容量(m)。
负载因子衡量的是一个散列表的空间的使用程度，负载因子越大表示散列表的装填程度越高，反之愈小。对于使用链表法的散列表来说，查找一个元素的平均时间是o(1+a)，因此如果负载因子越大，对空间的利用更充分，然而后果是查找效率的降低；如果负载因子太小，那么散列表的数据将过于稀疏，对空间造成严重浪费。
hashmap的实现中，通过threshold字段来判断hashmap的最大容量：
threshold = (int)(capacity * loadfactor);
结合负载因子的定义公式可知，threshold就是在此loadfactor和capacity对应下允许的最大元素数目，超过这个数目就重新resize，以降低实际的负载因子。默认的的负载因子0.75是对空间和时间效率的一个平衡选择。当容量超出此最大容量时， resize后的hashmap容量是容量的两倍：
if (size++ >= threshold) resize(2 * table.length);
6. fail-fast机制：
我们知道java.util.hashmap不是线程安全的，因此如果在使用迭代器的过程中有其他线程修改了map，那么将抛出concurrentmodificationexception，这就是所谓fail-fast策略。
这一策略在源码中的实现是通过modcount域，modcount顾名思义就是修改次数，对hashmap内容的修改都将增加这个值，那么在迭代器初始化过程中会将这个值赋给迭代器的expectedmodcount。
hashiterator() {
expectedmodcount = modcount;
if (size > 0) { // advance to first entry
entry[] t = table;
while (index < t.length && (next = t[index++]) == null)
;
}
}
在迭代过程中，判断modcount跟expectedmodcount是否相等，如果不相等就表示已经有其他线程修改了map：
注意到modcount声明为volatile，保证线程之间修改的可见性。
final entry<k,v> nextentry() {
if (modcount != expectedmodcount)
throw new concurrentmodificationexception();
在hashmap的api中指出：
由所有hashmap类的“collection 视图方法”所返回的迭代器都是快速失败的：在迭代器创建之后，如果从结构上对映射进行修改，除非通过迭代器本身的 remove 方法，其他任何时间任何方式的修改，迭代器都将抛出 concurrentmodificationexception。因此，面对并发的修改，迭代器很快就会完全失败，而不冒在将来不确定的时间发生任意不确定行为的风险。
注意，迭代器的快速失败行为不能得到保证，一般来说，存在非同步的并发修改时，不可能作出任何坚决的保证。快速失败迭代器尽最大努力抛出 concurrentmodificationexception。因此，编写依赖于此异常的程序的做法是错误的，正确做法是：迭代器的快速失败行为应该仅用于检测程序错误。